该文集使用环境为 window10; Python 3.7.9; Pycharm 2021.3.2; OpenCV 4.5.5.62;一.Window10 在Window
从接触CUDA开发到现在，已有一个月有余。 一个人慢慢摸索的过程，有压力也有收获。 工作之余，想把自己以前做的，经历的东西写出来，留作纪念吧。顺便提高一下自己的写作水平。 作为CUDA开发的第一篇，先介绍一下CUDA环境的搭建吧，这里主要讲的是CUDA在WINDOWS上的环境搭建，后续会专门写一篇在LINUX平台上的
转载
2024-07-23 09:48:41
422阅读
cmake -D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local \
-D WITH_TBB=OFF \
-D ENABLE_FAST_MATH=1 \
-D CUDA_FAST_MATH=1 \
-D WITH_CUBLAS=1 \
-D WITH_CUDA=ON \
-D BUILD_opencv_cudacodec=
前言网上现已有不少在TX2上配置Caffe的教程，但在实际操作过程中还是遇到了一些意想不到的问题。所以将整个配置过程作一个总结，以备后续参考。2. 组件检查首先需要说明的是，配置Caffe需要在正确安装Jetpack和设置环境变量之后方可进行。并且在配置Caffe之前，最好先进行一下各组件的检查。 1. 查看CUDA版本 打开
1 环境搭建俗话说工欲善其事必先利其器，想要学习某项技术，必须先把环境搭建好。2 准备工具GeForce MX150显卡驱动（使用驱动精灵或者鲁大师安装即可） GPU-Z：下载 CUDA：安装8.0版本3 显卡环境搭建3.1 显卡驱动安装显卡型号：Nvidia GeForce MX150 首先安装GeForce MX150的显卡驱动（可以使用驱动精灵或者鲁大师等） 安装完成后可以在控制面板中看到显
文章目录一、支持的模块二、GpuMat三、CPU/GUP数据传递四、多个GPU的使用五、代码示例FPS计算CPU端1.视频及其属性2.读取第一帧3.读取并预处理其他帧4.计算密集光流5.后处理6.可视化7.时间和FPS计算GPU端1.视频及其属性2.读取第一帧3.读取和预处理其它帧4.计算密集光流5.后处理总结 概述已经支持CUDA的OpenCV模块。 看一下cv :: gpu :: GpuMa
简介普通opencv的videocapture读取视频的操作太慢了，并且占用大量cpu资源，在写推断脚本时需要使用cuda及对应算子进行加速，于是就有了构建gpu版本opencv的需求，同时因为主要语言为python，需要将opencv的gpu相关接口安装进python里。由于网上大多数都是在linux下进行相关的构建，win下几乎没有，故在此记录以帮助后来人。准备和步骤硬性要求： 一款支持cud
转载
2024-05-06 16:54:13
377阅读
前言注：想直接查看安装教程的可跳过该步骤什么是CUDACUDA（Compute Unified Device Architecture，统一计算架构）是由NVIDIA所推出的一种集成技术，是该公司对于GPGPU的正式名称。透过这个技术，用户可利用NVIDIA的GeForce 8以后的GPU和较新的Quadro GPU进行计算。亦是首次可以利用GPU作为C-编译器的开发环境。NVIDIA营销的时候，
OpenCL/DirectX 与 CUDA ，鱼和熊掌可以兼得？什么是 OpenCL ？ OpenCL （ Open Computing Language ）是一个为异构平台（ CPU 、 GPU 或其他类型的处理器组成）编写程序的框架。 OpenCL 提供了基于任务 / 数据分割的并行计算机制，程序员通过使用它的 API 来定义和控制。什么是 DirectX ？ DirectX 是微软定义的多媒
ubuntu 安装 OpenCV with CUDA一、安装依赖库二、安装OpenCV三、环境配置四、测试dense_flow五、Jetson嵌入式设备附录A: Anaconda环境（未经测试）参考 一、安装依赖库首先安装更新和升级你的系统：sudo apt update
sudo apt upgrade然后，安装所需的库：通用工具：sudo apt install build-essentia
转载
2024-01-06 09:27:52
402阅读
版本CUDA、cuDNN 和 tensorflow-gpu 版本的推荐配置：configure page 查看自己的 CUDA 和 cudnn 的版本：1）直接用 nvcc --version 查看： 2）CUDA 一般安装在 /usr/local/cuda/ 路径下，该路径下有一个version.txt文档，里面记录了 CUDA 的版本信息，执行语句：cat /usr/local/cuda/ve
转载
2024-04-03 20:13:31
420阅读
OpenCV3的GPU模块需要手动重新编译才可以使用。本文介绍了编译OpenCV3.2.0+ GPU模块的方法 需要准备，安装好vs2013Vs2013可能无法运行，需要进行更新进行update5就ok 前期准备：查看自己显卡是否支持cuda[win+R]打开[运行] -> 输入[cmd]按回车打开[命令行] -> 输入[start devmgmt.msc]按回车打
转载
2024-05-23 04:28:27
43阅读
作者：小坏蛋最近要用到cuda做一些并行加速优化，由于一部分是关于图像的，所以需要用到集成了cuda的opencv库。直接在官网下载下来的opencv有些版本是没有把opencv编译进去的，所以就需要我们自己重新编译。Windows环境下用到的工具是opencv、Cmake、vs，和一台已经装好显卡、显卡驱动、cuda的电脑。1. 安装显卡并测试：插好显卡-安装驱动-安装cuda，过程
环境： cuda 10.2 opencv 3.4.13 qt 5.12.9 cmake 3.24 vs 2017 x64系统 vs安装时勾选与c++相关的组件，依次安装opencv、 qt、cuda（cuda安装时尽量安装在c盘，以便于配置系统环境）与cmake，需要配置qt与cuda的环境变量。 C:\Program Files\NVIDIA Corporation\NVIDIA N
转载
2024-03-17 17:28:26
121阅读
vs2017配置opencv环境网上的资料比较多也比较全，这里就不重点描述了。不过还是贴一个写的比较详细，图文并茂的博客。如下（建议采用临时配置方法，也就是下面博客中的方法二）：VS2017配置OpenCV4.0（Win10环境）vs2017配置cuda的资料相对较少，这里重点描述。一、配置cuda库1.1 情况1先装cuda后装vs2017。这样的安装的顺序，一般情况下，cuda和vs2017安
转载
2024-03-26 11:40:02
144阅读
对于图像灰度化，使用了opencv-cuda实现与完全基于cuda实现，本程序中参考了网上多个教程，主要记录和学习的过程。目录1、opencv+cuda实现图像灰度化2、CUDA实现图像灰度化3、图像展示3.1 opencv+cuda3.2 cuda1、opencv+cuda实现图像灰度化#include <iostream>
#include <opencv2/opencv.h
转载
2023-12-16 15:22:51
248阅读
OpenCV4Android中，主要用org.opencv.android.JavaCameraView（后面用JavaCameraView指代）、org.opencv.android.NativeCameraView（后面用NativeCameraView指代）及org.opencv.android.CameraBridgeViewBase（后面用CameraBridgeViewBas
一、利用OpenCV中提供的GPU模块 目前，OpenCV中已提供了许多GPU函数，直接使用OpenCV提供的GPU模块，可以完成大部分图像处理的加速操作。 基本使用方法，请参考： 该方法的优点是使用简单，利用GpuMat管理CPU与GPU之间的数据传输，而且不需要关注内核函数调用参数的设置，使用过程中，只需要关注处理的逻辑操作。 缺点是受限于OpenCV库的发展和更新，当需要完成一些自定
转载
2023-11-29 16:30:32
370阅读
环境准备visual studio ，这里以2017为例opencv （上条博客有讲基础包怎么配置，这里不展开讲了）
opencv_contrib 一定要跟自己的opencv版本对应cmake https://cmake.org/download/
cuda https://developer.nvidia.com/cuda-downloads（如果不装gpu的支持直接忽略）cmake-gui 生
转载
2024-04-23 09:04:37
80阅读
一、TensorFlow使用简单，部署快捷 TensorFlow使用数据流图（计算图）来规划计算流程，可以将计算映射到不同的硬件和操作平台。凭借着统一的架构，TensorFlow可以方便的部署到各种平台，大大简化了真实场景中应用机器学习算法的难度。 使用TensorFlow，我们不需要给大规模的模型训练和小规模的应用部署开发两套系统，节约时间，TensorFlow给训练和预测的共同部分提供了一
转载
2024-10-21 22:05:22
31阅读
